杨玲玲,刘馨泽

(云南师范大学 经济与管理学院,云南 昆明 650500)

一、引言

近年来,中国居民财富的增长和资本市场的规范化发展刺激了民间主体的资产配置需求,使股票投资者数量快速增长至全球首位,规模达2.10亿户,绝大部分股票投资者还是活跃的互联网用户(1)股票投资者规模截至2022年10月,来自Wind数据库。。网络财经媒体既为投资者提供了获取金融信息的便利来源,也成为他们进行观点共享、意见交流和情绪表达的主要渠道。在开放、自由、高效的网络匿名互动环境中,投资者的人际交往距离大大缩减,他们进行观点交互的意愿也得以增强。不仅如此,主流网络财经媒体还通过权威信息发布赢得更多信息关注,增强了投资者信赖度,使得投资者和主流媒体之间的关系更为紧密。在金融网络信息高效传播、观点互动日益频繁的背景下,金融网络舆情已经成为金融舆论最重要的表现形式。

当前国内外经济金融形势跌宕起伏,国际政治环境的复杂化等不确定因素使得中国出现“黑天鹅”式系统性金融风险的概率增加。一旦突发金融网络舆情事件,微观投资者在网络空间与他人进行观点交流后所形成的投资决策将会主导其投资行为,而个体投资行为汇聚加总后所形成的宏观金融活动很可能引发系统“洪流”,形成燎原之势,引发金融市场短期大幅震荡。2020年美股四次熔断触发的全球股市动荡即是典型事实,这凸显出金融网络舆情具有突发性强、关联度高、影响面广、破坏力大等特性,容易引发社会恐慌情绪,导致金融市场波动,干扰经济稳定运行。因此,深入研究金融网络舆情的演化及其内在机制,科学进行舆情监控和引导,对于防范化解系统性金融风险,稳定推动中国经济高质量发展具有重要现实意义。

本文的边际贡献有以下方面:首先,进行了社会科学、自然科学及金融学的学科交叉研究,以观点聚合理论为基础,根据微观层面的个体行为及交互规则来分析金融网络舆情的演化规律,深化了金融网络舆情的研究内涵。其次,构建金融网络舆情演化模型并进行仿真分析,系统地揭示了金融网络舆情的理论演化机制。最后,以美股熔断作为典型的金融网络舆情案例展开实证,示范性地讨论了中国金融网络舆情的现实演化机制,对监管部门完善金融网络舆情管控策略、预防金融系统性风险具有政策启示。

二、相关研究现状及评述

金融网络舆情研究是学科交叉性热门研究领域,学术界已经取得不少具有启发性的成果。本文将从网络舆情演化机制、金融网络舆情测度及其影响效应等三方面展开文献梳理。

(一)网络舆情演化机制相关研究

从观点动力学理论出发,网络舆情演化机制体现的是基于复杂系统的观点聚合过程,即大量无序混乱的观点渐变为统一或若干个舆情观点的聚合过程。舆情演化机制模型通过对微观个体的观点交互方式设置特定规则,刻画个体间的持续迭代交互行为来探知群体观点的收敛规律,从而解释全局性观点共识和局部性观点聚合等宏观现象[1]。事实上,网络舆情演化交织着网络舆情信息的传播扩散过程和网络民众持有的关于网络舆情的观点聚合过程。根据个体观点的形成模式,观点动力学模型主要分为离散观点模型和连续信任模型,其中以DW(Deffuant-Weisbuch)模型为代表的连续信任模型是主流。DW模型属于有界信任舆情演化机制模型,在该模型环境下个体只和与自己意见相近的他人进行交互[2]。国内外学者基于DW模型的舆情演化机制研究主要围绕几个方向展开:一是将观点聚合的动力因素分解为群体平均节点度[1]、个体间的信任程度、信任阈值、意见领袖[3]、观点开放度及关系强度[4]等,考察不同因素在舆情观点演化中所发挥的作用[5]。二是将复杂网络引入DW模型,探究不同结构网络中的群体观点聚合过程[6]。三是在DW模型中考虑异质性用户、话题衍生性[7]等其他因素,以更全面地刻画舆情演化过程。四是对DW模型的重要参数进行调整[8],或者改进模型算法[9-10],使其更加贴近真实世界中微观主体的观点交互方式[11],以提高模型的估计度,减少拟合偏误。

(二)金融网络舆情测度研究

国内外文献对于金融网络舆情的测度研究较为零散,构建原理是获取异构来源数据并提取关键词,将其转化为结构化数据,再采用加权平均算法得出投资者情绪指数、本地关注度指数、文本情绪指数,作为金融网络舆情的代理指标。在基础数据的获取来源上,部分学者通过搜索引擎直接获取连续数据[12-13],另有学者采用网络爬虫程序抓取文本数据[14]。至于量化舆情信息的方式,学者们主要采用词汇词典法和机器学习法将非结构化文本信息转换为结构化的数值数据。有的学者将“情感词词典”分为正向、负向两个词表,对每个情感词分配权重后,加总成为净情感指数[15];有的采用贝叶斯分类算法对股吧信息进行筛选后作出了情感类型划分[16],还有的借助文本挖掘工具Weka中的KNN算法将90余万条帖子按照其所体现的情绪进行了分类[14],在构建金融网络舆情指数时主要使用主观选词法和模型选词法来提取关键词。也有学者借助《现代汉语词典》等词典和知网中文信息结构库等词库,构建了中国财经媒体领域的正负面词库[17]。

(三)金融网络舆情影响效应研究

部分学者关注了金融网络舆情对股价波动的影响。导致股市波动的原因复杂多变,既有来自宏观经济层面的因素[18],也有来自微观投资者情绪方面的因素[19]。关于后者,国内学界构建了不同类型的可量化指标来刻画投资者情绪变化,并研究其对股市波动的影响。有学者通过检验日度超额雪球关注度与股票市场之间的关系后发现,投资者关注会在短期内对市场价格形成压力并使股市交易量剧增。也有学者采用金融网络舆情指数来衡量投资者情绪的变化,验证了网络舆情对股票市场风险的预测作用[20]。

另一部分学者侧重于讨论金融网络舆情对股票投资收益的影响。相关研究表明,混频情绪对股票当期收益率及其波动都存在显著的正向影响[21];本地关注度对股票收益率的影响取决于投资者情绪,当投资者持积极情绪时,本地关注度对股票收益率有显著的正向影响,反之反是[14]。也有学者研究发现,基于股评的投资者情绪的变化对中国股市同期收益率和同期交易量有显著的正向影响[22];而通过研究微博上有关新冠疫情的推文对中国股市和个股收益的影响,还有学者发现积极语气将导致更高的股票回报率[23]。

(四)现有研究评述

综上所述,互联网技术的加持令金融网络舆情演化力度及影响范围不断扩大,逐渐引起学术界的关注,但现有研究还存在以下不足:第一,金融网络舆情研究存在一定的局限性。现有文献大多把金融网络舆情视为金融市场波动的影响因素之一,而较少利用学科交叉方法深入研究金融网络舆情自身的演化机制。第二,现有研究仍停留在宏观层面,缺少微观基础。大多数学者都基于投资者情绪或有限认知等行为金融学理论对金融网络舆情的表现进行理论解释,尚未厘清网络舆情中微观个体交互行为对宏观金融市场现象的动态涌现作用机制。第三,对于已构建的金融网络舆情模型是否能够刻画现实世界的金融网络舆情演化机制,几乎未有案例进行过对照实证。

因此,准确把握金融舆情演化规律及其形成与发展的动力机制,有利于清晰地揭示互联网社交网络中金融市场微观个体投资者基于市场信息进行观点交互后所涌现出的宏观总体规律,并发掘金融网络舆情演化态势,进而为监管部门引导金融网络舆情、维护金融市场稳定提供决策依据。

三、金融网络舆情演化机制建模

在界定金融网络舆情并分析其演化过程的基础上,结合复杂社会网络理论和观点动力学模型构造金融网络舆情演化模型。

(一)概念界定

金融网络舆情是网络舆情在金融领域的特殊舆情形态,国内学者对其内涵进行了多方解读。金融舆情可被定义为:源自公众对于特定事件或金融运行趋势所发表的评论、观点和意见,能对金融市场产生现实影响[24]。本文据此将金融网络舆情界定为以网络为载体,以金融事件为核心,媒体或投资者等主体在该金融事件中的情感、意见、态度和观点的表达,并通过网络媒体传播形成舆情在金融领域中的演化。进一步地,金融网络舆情的观点聚合过程是指,当某一金融事件爆发后,互联网社交网络中的金融投资者凭借自身的认知和经验形成不同的观点,并受投资收益或风险的驱使与其他投资主体进行观点交互,又跟随舆情发展态势不断进行观点调整,最终形成一致或较为一致的舆情观点。这是投资者初始杂乱的观点通过不断地消解差异、趋于一致的过程。

根据上述定义,金融网络舆情的观点聚合过程应当包括舆情主体、舆情主题、传播媒介以及主体间交互行为等要素(见图1)。在该演化过程中,网络民众、新闻媒体、意见领袖以及政府部门构成了舆情主体,形成推动网络舆情的主要力量,而传播媒介是个体交互时信息传播的桥梁。金融网络舆情的个体观点交互体现了舆情演化过程,包括信息发布、意见领袖的引导、媒体议程、投资者的意见交流、相关部门采取现实行动等主要环节,可划分为初期演化、中期演化与后期演化三阶段(2)在真实金融网络舆情演化过程中,不同行为主体的演化经历不一定完全嵌入某舆情周期内,而是贯穿于不同演化周期中。,每一阶段的演化周期都伴随着多个主体的实时交互行为。

图1 金融网络舆情演化过程

(二)金融网络舆情演化机制的基础理论

金融网络舆情演化反映的是在线社交网络这一复杂网络中的观点动力学过程,而复杂网络拓扑结构会影响到金融市场信息的传递[1],这对于揭示网络中个体投资者彼此间的交互行为及其所导致的宏观金融市场现象的“涌现”规律很有必要[25]。因此,本文将复杂社会网络理论引入观点动力学模型中,以分析复杂网络拓扑结构对金融市场上投资者群体观点聚合过程的影响。

1.复杂社会网络理论

随着金融系统的复杂化及信息技术的快速发展,金融投资者的个体交互行为更加复杂多变,金融网络舆情演化更加依赖复杂的人际关系网络。而复杂系统的网络结构特性可以更好地解释金融网络中投资者的个体行为传播与集体行为演化。

复杂社会网络的典型结构特性是“小世界效应”和“无标度特性”(3)通常认为,如果网络的平均路径L与节点数N呈现“L～lnN”的数理特征,则称该网络具有小世界效应,整个网络具有较高的集聚性和较小的平均路径长度,许多现实社会网络都具有这一结构特征。无标度特性则表现为复杂网络中节点的度分布服从幂律分布,体现了复杂网络中的节点呈现非均匀分布的特征。,它们共同刻画了现实社交网络的结构。但是,无标度网络已经能够体现出具有较大聚类系数和较小平均路径长度的小世界效应,因而采用无标度网络就可以描述现实金融在线社交网络的拓扑结构,借助其进行金融网络舆情的建模具有良好的理论支持和可行性。

鉴于本文构建的是基于复杂网络的金融网络舆情观点聚合模型,故考虑将复杂网络特征用于观点聚合模型规则设计中,构建以关系强度为权重的加权网络,这是对观点聚合模型进行建模以及仿真实证的网络空间基础。

2.观点动力学的基准模型

网络舆情观点聚合的动力机制探讨最初时刻杂乱且非微小的个体观点通过何种方式发展成群体性的共识或分化的状态(4)这一观点动力学理论是借鉴物理学中粒子交互思想以及建模等方法对社会行为及社会现象所进行的系统性研究,致力于寻找社会系统的内在规律,并通过模拟仿真的方式分析宏观社会现象所蕴含的微观机制。,从而放大舆情焦点的影响。本文选取DW模型作为模拟仿真的基准模型。

DW模型属于观点动力学中的连续信任模型,它将个体观点在连续区间内赋值,且对个体观点交互行为做出限制。在该模型中,某群体由N个个体组成,群体中随机选取两个个体i和j,观点值分别为Oi和Oj,两个个体观点在[0,1]上随机取值,限制其交互的阈值为ε,取值域[0,1]区间的某个常数,某时刻两个个体观点在给定阈值内才可交互,否则二者的观点值在下一时刻不发生任何改变。其具体交互规则如下:

当|Oi-Oj|≤ε时

Oi(t+1)=Oi(t)+μ(Oj(t)-Oi(t))

(1)

Oj(t+1)=Oj(t)+μ(Oi(t)-Oj(t))

(2)

当|Oi-Oj|>ε时

Oi(t+1)=Oi(t)

(3)

Oj(t+1)=Oj(t)

(4)

其中,μ为个体接受度,反映了个体交互过程中受他人影响而改变自身观点的程度,μ∈[0,0.5],通过调节μ的取值可界定不同性质的群体。μ=0意味着个体观点不会发生改变;μ=0.5表示交互双方的观点折衷(5)传统DW模型认为,当μ大于0.5时,意味两个个体进行观点交互后分别选择了更加倾向于对方的观点,即观点倾向性存在转置,这一情况在现实生活中较少发生,因此μ的取值应限制在区间[0,0.5]。。信任阈值ε表明群体中个体进行观点交互的意见距离,其取值大小决定最终群体观点聚合产生的观点簇数量,一般ε满足“1/2ε准则”。

结合复杂社会网络理论和DW模型可以发现,虽然在舆情演化期间众多个体的观点表达丰富多样,但观点会趋于总体一致,实现观点聚合。唯有通过观点聚合才能最终发挥市场信息的“涌现”作用,否则网络舆情只能处于初始纷杂的观点状态。

(三)改进的DW模型

DW基准模型以有限信任思想为核心,通过对个体交互行为的规则设定揭示了群体观点的聚合规律,但其设定并没有很好地反映金融网络舆情的特殊性,应对其演化规则进行改进,使之适用于金融网络舆情演化机制研究。

金融网络舆情事件具有突发性、扩散性以及不确定性,个体在互联网空间的观点表达方式多样化,并且相关舆情信息冗杂,各舆情主体关注力度不一。此外,投资者对金融信息存在自身有限认知及有限关注,只会截取自己感兴趣或利益相关的信息进行筛选交流。基于上述金融网络舆情特性,本文对DW模型的构建规则作如下改进:(1)关于金融网络结构特征。在线金融社交网络具有无标度特性,无标度网络中的节点度服从幂律分布,在金融事件突发后,网络舆情观点发生交互,其中节点度高的点有利于金融信息传播,从而加速个体观点的收敛。因此,在DW模型中要设置无标度网络特征,将其作为投资者进行观点聚合的基础环境。(2)关于个体观点接受度μ的取值。考虑到中国金融市场投资者数量庞大但资质不一,投资者的认知能力、知识背景、信息获取渠道和处理能力存在差异,对他人观点的接受度也不相同,故网络舆情演化过程中的个体观点接受度真实分布是难以获知的,此时设定μ服从正态分布来进行模拟仿真通常是最佳选择[5],这也是对DW模型的适宜改进(6)在科学实验中,很多随机变量的概率分布都可以近似地用正态分布来刻画。。(3)关于个体投资者间的关系强度。在现实金融网络群体中,不能简单地用无权网络结构来表示个体投资者之间的关系构成,个体投资者因信任程度不同而产生的强弱关系会影响其对他人观点的接纳程度,从而改变观点聚合路径及结果。故应采用对边赋权的方式来表示节点与节点之间的联系紧密程度,继而分别考虑强关系和弱关系情形下的金融网络舆情演化进程。若节点x和y是邻居,关系强度为Rxy,则改进后的DW模型如下:

当|Ox-Oy|≤ε时,有:

Ox(t+1)=Ox(t)+Rxy×μ(Oy(t)-Ox(t))

(5)

Oy(t+1)=Oy(t)+Rxy×μ(Ox(t)-Oy(t))

(6)

其中,μ和ε仍为个体接受度和信任阈值;R表示个体间的关系强度;O为观点值,表示个体对金融事件所持观点。当节点x和y之间的观点距离大于ε时,二者不发生观点交互行为,下一时刻其观点值不改变,相应的表达式与式(3)(4)一致。

四、金融网络舆情演化机制的模拟仿真

在具有无标度网络特征的金融环境下,构建了金融网络舆情演化机制DW模型,接下来通过个体间的异质性特征来控制模型关键参数,分析个体接受度、信任阈值、关系强度对金融网络舆情观点聚合的影响。

(一)模拟仿真实验设计

改进后的DW模型模拟仿真实验步骤及基础参数设置如下:

第二步,构建复杂网络中的个体,并赋予初始观点值O,将群体规模N的个数设定为200。由于个体间存在异质性,当网络规模较大时节点之间的度分布可以使用幂律分布的形式P(k)∝k-γ来表示,同时金融舆情事件的观点往往非常分散,故令个体初始观点的取值呈[0,1]随机分布状态。

第三步,设定模型中的重要参数。由于个体投资者对他人观点的接受度不一,故令个体接受度μ服从正态分布,且μ∈[0,0.5]。在后续仿真过程中,再视情况将信任阈值的取值分别设定为0.1,0.2,0.3,0.4,0.5。

第四步,采用控制变量法来进行仿真实验。实验步长初始值设定为200,以迭代更新实验中的个体观点。

(二)模拟仿真实验及其结果分析

1.基于个体接受度的金融网络舆情演化机制

个体接受度参数μ主要体现网络中的个体属性,是用来区分个体对他人观点接受程度的变量,它的取值本身不具有调节群体作用的性质,但采用具有正态分布的F(μ)后就可体现个体接受度调节群体性质的功能[5]。金融网络社群中,投资者个体对他人观点的接受程度直接影响到网络舆情的演化趋势,而受制于金融信息不对称、信息关注度异质性、个体认知异质性等因素,投资者总是按照自身投资偏好来进行观点交互。根据金融市场中参与者的风险投资偏好,可以将其划分为“积极型”和“保守型”两种类型进行分析(8)中立投资者是既不主动追求风险也不主动回避风险,只偏好预期货币价值,对风险的大小完全不在乎。因此,用个体接受度对投资者进行分类时,中立投资者不改变其风险投资偏好,相当于不进行基于风险偏好的意见交流。。在仿真实验中,将个体接受度服从均值为0.5的正态分布个体定义为“积极型”投资者,而将个体接受度服从均值为0.3的正态分布个体定义为“保守型”投资者。模型实验设定规模N=200,迭代次数T=200,信任阈值ε=0.5,关系强度R=0.5。

从图2所示的模拟仿真结果中可以看到,当个体接受度μ分别服从以上两种正态分布时,金融网络舆情的观点聚合速度呈现出显著差异性:当处于均值为0.3的正态分布下,金融网络群体的观点聚合速度比处于均值为0.5的正态分布时更慢。在观点演化过程中,若μ服从均值为0.5的正态分布,则步长为50时观点聚合过程已趋于稳定状态;相比之下,若μ服从均值为0.3的正态分布,则在步长为150时才形成观点聚合。可以认为,在金融网络舆情演化中,积极型投资者具有强烈的风险偏好和强劲的进取心,善于与周围股民、投资经理、金融分析师等人进行更多的信息共享和观点互动,因此其个体接受度较高,形成聚合观点的速度较快。而保守型投资者厌恶风险,偏好稳健型投资收益,参与金融市场的活跃度相对较低,固守自身投资理念,与其他市场参与者的互动沟通偏少,观点交互迟滞,导致其舆情演化速度滞后,观点聚合耗费的时间较长。

图2 不同个体接受度下金融网络舆情观点聚合过程

2.基于信任阈值的金融网络舆情演化机制

信任阈值ε体现了网络群体的特征,是表征群体观点演化特征的重要参数,即群体中的所有个体对给定议题所持观点进行交互的可能性[5]。为了更清晰地观测金融网络舆情观点走势,此处的模拟仿真实验将T设置为1 000,再令μ服从均值为0.5的正态分布,关系强度R=0.5,信任阈值ε分别为0.1,0.2,0.3,0.4,0.5。从图3所示的模拟仿真结果中可以看出,信任阈值不同则金融网络舆情观点聚合过程收敛而成的观点数量也不同,并且形成的观点簇与ε之间的关系虽然严格满足DW模型要求的1/2ε准则,但也呈现出一定的反比例关系:随着信任阈值的增大,凝聚出的观点簇数量不断减少。不仅如此,随着ε的增大,群体观点聚合趋于稳定状态的耗时也不断缩短。当ε=0.2时,观点聚合态势在步长为200时其才趋于稳定;而ε增至0.3或0.4时,其观点聚合态势在步长不足100时已经稳定,这证明了信任阈值的大小对金融网络中个体观点的聚合速度确实具有显著影响。

图3 不同信任阈值下金融网络舆情观点聚合过程

信任阈值所体现的群体特性可以理解为在某种金融发展状况下,个体就其对金融事件所持有的观点进行交互的可能性。对于开放度高的发达金融环境而言,各类金融市场互联互通、信息传播透明高效,金融投资者拥有较高金融素养,应对金融舆情事件时更加开放包容,观点交互也更为积极,故金融网络舆情观点更容易达成一致;而在低水平金融环境下,金融体系较强的封闭性会阻碍个体投资者间的观点交互,从而不易形成观点聚合。

3.基于关系强度的金融网络舆情演化机制

社会网络理论中,关系强度是指不同个体或组织之间互动和交流所产生的关联紧密程度,反映个体受网络中其他节点影响的程度[4],一般包括互动时间长短、感情深浅、相互信赖程度和互惠性四个因素。处于强关系中的个体间互动会更为频繁、情感更为亲密、彼此之间更为信赖,适合深度交互行为;相反,处于弱关系中的个体互动频率较低,信息重复度也较低,更利于新信息的传播。此处的模拟仿真实验也将关系强度划分为强弱两个维度,并将R值分别设定为0.3和0.5,其他参数维持初始值。

从图4中可知,个体间存在强关系时,群体中的个体经过观点交互后达到稳定状态所需的步长约为75,而弱关系状态下达成稳定状态所需的步长约为150,并且其观点簇具有较强关系时更粗。这表明,金融投资者间的个体关系强度影响着舆情演化速率,当群体中个体间具有强关系时形成稳定观点簇的耗时更短,其观点簇也更细。在金融市场中,个体投资者在进行观点交互时更愿意采纳亲密伙伴或专业性证券投资分析师的言论,而甚少理会在网络中随意发表言论的草根股民。这进一步表明,金融网络中的强关系会带来较高的信任度,进而促进观点交互的演化和聚合。

图4 不同关系强度下的金融网络舆情观点聚合过程

五、金融网络舆情演化机制实证

前文通过模拟仿真法刻画了金融网络舆情观点聚合的动力学过程,归纳了基于个体接受度、信任阈值和关系强度的金融网络舆情演化机制。接下来将以2020年美股四次熔断为典型案例,进一步从上述三个层面来验证中国国内金融网络舆情的真实演化机制。

(一)案例选择及数据处理

受全球新冠疫情冲击影响,2020年3月9—18日短短8个交易日内美国股市接连发生四次熔断。3月9日,美股三大股指开盘后全线下跌,标普500指数率先跌破7%,触发熔断机制;由于市场和股价不稳定导致产生从众心理的投资者恐慌情绪加剧,3月12日美股三大指数均跌破7%,再度触发一级熔断,全美股市暂停交易15分钟;随后美联储采取量化宽松政策并宣布降息至零,再次激化了市场恐慌情绪,3月16日美股开盘熔断;3月18日美股再次触发熔断机制。美股接连四次熔断事件导致全球金融市场异常波动,成为备受关注的金融网络舆情事件。本文将以此为典型案例,分别从个体接受度、信任阈值及关系强度等三个方面来解释该案例的舆情演化机制。

本文采用网络爬虫技术获取了2020年3月5—25日关于“美股熔断”事件的海量文本信息,数据来源于国内主流金融财经咨询类网站,涉及新浪财经、华尔街见闻、同花顺、东方财富、云财经。相比于微博信息,上述财经网站数据具有较高的信息辨识度,能够代表市场的前沿观点,其时效性强且能够引领舆论走向,故更具专业化和信息挖掘的可操作性。对上述文本信息进行清洗后,本文共导出11 705条有效文本数据用于实证。

(二)金融网络舆情演化机制实证

1.基于个体接受度的美股熔断网络舆情演化机制

由于美股熔断连续出现四次,网络舆情延续的时间跨度略大,尽管每次熔断主题高度一致,但由于金融形势变化多端、金融网络舆情演化速度快,舆情演化各阶段涉及信息内容分布差异性较大,节点扩散范围广。不过,投资者通过网络交流吸收他人意见后所形成的观点仍可以通过网络语义图中的中心关键词所呈现出来,因此本文分别构造了美股四次熔断语义网络图,可以更加清晰地看出每次熔断点的舆论焦点,以验证舆情演化机制。

如图5所示,在3月9日第一次熔断当天,处于网络语义中心的关键词有“跌幅”“美元”“期货”“下跌”“现货”,而至3月12日,中心关键词为“美国”“指数”“美元”“期货”“现货”“扩大”“跌幅”“股指”。相比于首次熔断时,第二次熔断事件加剧了舆情观点的发散,各关键节点体现的舆情主题更加丰富,国内个体投资者关注的焦点从美国股市大跌本身扩大到了美国央行所采取的一系列股市干预政策,甚至延伸到全球金融衍生品市场和大宗商品市场行情。

图5 美股四次熔断舆情的网络语义图

3月16日的网络语义图中,中心关键词缩减成“美元”“跌幅”“指数”“现货”“期货”“扩大”,至3月18日进一步聚焦到“美元”“扩大”“跌幅”“期货”,这表明后两次美股熔断事件中,个体投资者的舆情观点更为聚焦,已经形成了关于美国股市连续多次大跌的观点主线。同时,从这两次舆情的中心关键词所衍生出来的其他节点可以看出,美股连续大跌的溢出效应使得全球主要金融市场遭受打击,累及各国经济,国内投资者也比较关注主要国家央行所采取的金融稳定措施是否能够对冲美股熔断带来的负面冲击影响。

由此可见,国内关于美股四次熔断的舆情呈现出“爆发—扩散—收敛”的非线性聚合态势,舆情发展的前期阶段,舆情观点呈现差异性大、较为分散的态势,而中后期阶段的舆情观点逐渐收敛并趋于稳定,形成了明确的观点主线。这与前文关于个体接受度的舆情演化机制模拟仿真结果一致,也体现出个体接受度在金融网络舆情演化中所发挥的重要作用:在舆情演化过程中个体投资者通过观点交互不断吸收他人的意见,逐渐修正自身看法,最终形成较为稳定的主流观点。

2.基于信任阈值的美股熔断网络舆情演化机制

在现实金融网络舆情演化过程中,个体观点通过网络意见、评论等语言文本形式表现出来,故可通过文本中的情感演变来推断网络社群中个体投资者对美股四次熔断这一主题进行观点交互的可能结果,分析信任阈值作用下针对该案例的金融网络舆情演化机制。情感具有动态性,群体中的个体投资者短期情感波动与金融舆情主题密切相关,因此本文将按照美股四次熔断事件的舆情演化时序,使用情感倾向分析方法对相关文本数据进行意见挖掘,分析其中的情感倾向(9)本文为增加情感倾向结果的准确性,借助《清华大学开放中文词库》中的财经词库提升中文分词效果,借助《金融领域中文情绪词典》提升情感分类准确性。[1],得到了四次美股熔断时投资者的积极、中立、消极情绪占比情况。

如图6所示,在美股四次熔断舆情演化过程中个体投资者的情绪变化是:3月9日持积极情绪和消极情绪的投资者占比分别为40.80%、57.81%;3月12日持积极情绪的投资者占比小幅降至37.99%,而持消极情绪的投资者占比升至60.31%;3月16日持积极情绪的投资者占比又回升至41.99%,持消极情绪的投资者占比降至55.91%;3月18日持积极情绪的投资者占比继续升至46.38%,持消极情绪的投资者占比继续降至51.71%。可见,在美股四次熔断舆情演化过程中,市场积极情绪呈现衰减后回升的上凹形态,而市场消极情绪则表现为先上升后衰减的下凹形态,两种情绪最终趋于聚合。这说明个体投资者对美国股市行情的预期呈现两极化分布,即看涨和看跌两类观点对立存在,且两类观点存在“发散—收敛—聚合”的动态演化规律,这与前文关于信任阈值的舆情演化机制模拟仿真结果总体一致。

图6 网络意见的情感倾向变化趋势图

上述结果可进一步解释为,金融市场中的情绪不会形成绝对的单一聚合结果,这是维系金融市场流动性的基础,同时,两极分化的舆情观点也符合金融市场投资者的特性。结合此次金融网络舆情案例分析,美股熔断主要是新冠疫情冲击下的市场两极情绪的显性表征:一方面,占主导地位的市场消极情绪驱使个体投资者下调对美国股市的预期,采取集体抛售股票的决策行为,引发美股短期震荡行情;另一方面,美国金融决策部门的救市措施有利于提振市场信心,市场积极情绪随之酝酿积累。随着稳定金融政策效应的释放,在个体投资者观点交互作用下消极情绪和积极情绪此消彼长。

3.基于关系强度的金融网络舆情演化机制

鉴于本文采集的是来自国内主流金融财经资讯平台的文本数据,词云图中关键词的突现性其实可以反映金融网络中的节点关系强度,突现性越强则表明个体投资者对于主流金融财经媒体的关注度越高、信息互动吸收频率越高、信任程度越高,故关系强度越大。原因在于,在金融网络舆情演化过程中,投资者普遍会关注财经媒体或机构投资者发布的权威经济信号,以此作为观点交互时的参照信息,故个体投资者对主流媒体较高的关注度体现了前者对后者具有较高信任度,反映出双方舆情交互中具有较强的关系强度,这会影响金融网络舆情演化方向。因此,词云图可将文本中较高频出现的媒体进行突现展示,以体现出哪些媒体在推动个体投资者的观点走向聚合。同时,财经媒体之间存在强弱关系,在意见交互过程中影响力弱的财经媒体会引用或转发权威媒体的观点,助推观点聚合,这会加快金融网络舆情的演化速度。

从图7可以看出,3月9日的突现性关键词为“央视”(60次)、“人民日报”(17次)、“新华社”(11次)、“环球网”(11次)、“澎湃新闻”(9次);3月12日的突现性关键词为“央视”(46次)、“人民日报”(15次)、“环球网”(12次)、“新华社”(6次)、“中国日报”(5次);3月16日的突现性关键词为“央视”(56次)、“澎湃新闻”(10次)、“新华社”(8次)、“人民日报”(8次)、“中证报”(6次);3月18日的突现性关键词为“央视”(57次)、“人民日报”(27次)、“新华社”(16次)、“环球网”(15次)、“中国日报”(9次)(10)本文截取的是词频排名前五的突现性关键词,以便简明地展示美股熔断舆情演化过程中的关系强度变化态势。。概括起来,美股四次熔断舆情的突现性关键词总体保持一致,主要是“央视”“人民日报”“环球网”“新华社”“中国日报”,这体现出个体投资者对于上述主流媒体信息始终高度关注和信任,因此产生了稳定的强关系。数量众多的个体投资者倾向于接受主流媒体观点,这有利于推动舆情观点走向聚合。这同样印证了前文关于关系强度的舆情演化机制模拟仿真结果。

图7 美股四次熔断的分阶段词云图

由此可见,个体投资者与主流财经媒体之间的强关系也是推动美股四次熔断舆情演化的主要因素。媒体所提供的信任度高、权威性强的信息更容易被个体投资者采纳,并通过意见交互加快观点聚合。

六、结论与政策建议

本文基于观点动力学和复杂网络构建金融网络舆情演化模型并进行模拟仿真,发现金融网络舆情观点聚合形态受个体接受度、信任阈值和关系强度的明显影响:(1)个体接受度越大,其更容易发生观点交互,舆情观点聚合速率越快;(2)群体信任阈值越大,舆情演化形成的观点簇数量越小,网络中的观点更快地由多元化趋于一致;(3)强关系更利于金融网络舆情的观点聚合。在此基础上,本文以美股四次熔断为金融网络舆情案例,检验了金融舆情演化的现实机制:对网络语义图进行比较分析后发现,个体投资者通过观点交互确实逐渐实现了观点聚合;通过情感倾向分析提炼出投资者的“消极”“积极”和“中立”情绪可发现,不同个体投资者之间的信任阈值差异使得前两种极端情绪呈现此消彼长的观点聚合态势,但由这种情绪所形成的对美国股市行情预期仍是两极对立的;网络词云图分析则更倾向于说明,个体投资者与主流财经媒体之间的强关系在推动着美股熔断舆情演化。围绕上述结论,本文提出以下对策建议:

第一,重视影响金融网络舆情演化的各类因素,这是准确把握舆情演化规律及态势的关键所在。相关舆情管理部门应合理利用重大金融网络舆情演化影响因素的作用,全面准确掌握舆情演变的内在机制,对金融网络舆情进行深度且综合性的分析研究,这对全面把握金融网络舆情动态,及时应对突发金融舆情危机有重要意义。

第二,构建金融网络舆情预警系统。通过金融网络舆情预警系统实时监测金融网络舆情动态,发现敏感信息,以便有效地预测金融网络舆情爆发。同时,应更加注重风险把控,增强前瞻性预判,组建专业的网络舆情团队,加强信息技术层面的监测,使金融业相关管理部门能够及时通过金融网络舆情的信息收集、信息分析、风险评估等措施防止金融负面舆情形势进一步恶化及风险蔓延。

第三,建立全周期信息管理机制。从信息源头建立信息披露机制,不仅要准确、及时、真实地发布金融事件信息,避免引发投资者大面积的恐慌情绪,还要及时过滤重复的舆情信息,疏散舆情信息内容盲区;在金融网络舆情爆发时,主流财经媒体应及时跟进和报道事件走向,从专业角度评估突发金融事件风险以及科普风险预防措施,引导投资者情绪趋于正向;在金融网络舆情后期,进行反思性研究,对舆情的发生根源或本质进行综合性研究,并及时形成金融网络舆情应对知识或经验的相关报告。

第四,构建金融网络舆情案例库。构建金融网络舆情案例库将成为信息管理和应急决策的前提和基础,能够为突发金融网络舆情的科学处置提供案例和数据支持,科学且精准地提供研判分析、应对措施、舆情处置指导等功能,同时助力相关部门做好风险评估和防范工作,在舆情发酵前,从源头疏导和化解金融风险。

第五,完善金融监管机构应对金融网络舆情的相关策略。首先,各层级金融监管机构应建立互联互通的舆情监测平台,完善网络媒体监管制度,营造良好网络媒体环境。其次,金融监管机构应做好金融风险防控工作,多维度、实时监测分析金融网络舆情演化进程。最后,金融监管部门应加强市场预期管理。通过疏通与市场投资者的沟通渠道引导预期,防范突发金融政策刺激形成新的舆情热点,完善舆情应急处理机制,避免舆情形成危机而引发金融市场大幅动荡,有效维护金融安全。